Atzeni, Ceri, Paraboschi, Torlone Basi di dati McGraw-Hill, Capitolo 3: ALGEBRA E CALCOLO RELAZIONALE 10/10/2002

Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 2 Linguaggi per basi di dati operazioni sullo schema DDL: data definition language operazioni sui dati DML: data manipulation language interrogazione ("query") aggiornamento

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 3 Linguaggi di interrogazione per basi di dati relazionali Dichiarativi specificano le proprietà del risultato ("che cosa") Procedurali specificano le modalità di generazione del risultato ("come")

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 4 Linguaggi di interrogazione Algebra relazionale: procedurale Calcolo relazionale: dichiarativo (teorico) SQL (Structured Query Language): parzialmente dichiarativo (reale) QBE (Query by Example): dichiarativo (reale)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 5 Algebra relazionale Insieme di operatori su relazioni che producono relazioni e possono essere composti

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 6 Operatori dell'algebra relazionale unione, intersezione, differenza ridenominazione selezione proiezione join (join naturale, prodotto cartesiano, theta-join)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 7 Operatori insiemistici le relazioni sono insiemi i risultati debbono essere relazioni è possibile applicare unione, intersezione, differenza solo a relazioni definite sugli stessi attributi

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 8 Laureati Matricola Età Nome Neri Verdi Rossi Quadri Matricola Età Nome Neri Verdi Neri Laureati Quadri MatricolaEtàNome Neri Verdi Neri Rossi Neri Verdi Rossi Neri Verdi Neri Neri Verdi Neri Rossi Unione

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 9 Laureati Matricola Età Nome Neri Verdi Rossi Quadri Matricola Età Nome Neri Verdi Neri Laureati Quadri MatricolaEtàNome Neri Verdi Neri Verdi Neri Verdi Neri Verdi Intersezione

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 10 Laureati MatricolaEtàNome Neri Verdi Rossi Quadri Matricola Età Nome Neri Verdi Neri Laureati – Quadri MatricolaEtàNome Neri Verdi Rossi Neri Verdi Rossi Differenza

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 11 Paternità PadreFiglio AdamoCaino AbramoIsacco AdamoAbele Maternità MadreFiglio EvaSet SaraIsacco EvaAbele Paternità Maternità ?? Ununione sensata ma impossibile

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 12 Ridenominazione operatore monadico (con un argomento) "modifica lo schema" lasciando inalterata l'istanza dell'operando

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 13 Paternità PadreFiglio AdamoCaino AbramoIsacco AdamoAbele REN Genitore Padre (Paternità) PadreFiglio AdamoCaino AbramoIsacco AdamoAbele Genitore

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 14 Paternità PadreFiglio AdamoCaino AbramoIsacco AdamoAbele Maternità MadreFiglio EvaSet SaraIsacco EvaAbele REN Genitore Padre (Paternità) GenitoreFiglio AdamoCaino AbramoIsacco AdamoAbele REN Genitore Madre (Maternità) GenitoreFiglio EvaSet SaraIsacco EvaAbele

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 15 REN Genitore Padre (Paternità) REN Genitore Madre (Maternità) GenitoreFiglio AdamoCaino AbramoIsacco AdamoAbele GenitoreFiglio EvaSet SaraIsacco EvaAbele GenitoreFiglio AdamoCaino AbramoIsacco AdamoAbeleEvaSet SaraIsacco EvaAbele REN Genitore Padre (Paternità) REN Genitore Madre (Maternità)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 16 REN Sede, Retribuzione Ufficio, Stipendio (Impiegati) REN Sede, Retribuzione Fabbrica, Salario (Operai) Impiegati Cognome Neri Rossi Ufficio Milano Roma Stipendio Operai Cognome Verdi Bruni Fabbrica Latina Monza Salario CognomeRetribuzioneSede Neri Rossi Milano Roma Verdi Bruni Latina Monza 55 45

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 17 Selezione operatore monadico produce un risultato che ha lo stesso schema dell'operando contiene un sottoinsieme delle ennuple dell'operando, quelle che soddisfano una condizione

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 18 Impiegati CognomeFilialeStipendioMatricola NeriMilano RossiRoma NeriNapoli Milano impiegati che guadagnano più di 50 guadagnano più di 50 e lavorano a Milano hanno lo stesso nome della filiale presso cui lavorano

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 19 Selezione, sintassi e semantica sintassi SEL Condizione (Operando) Condizione: espressione booleana (come quelle dei vincoli di ennupla) semantica il risultato contiene le ennuple dell'operando che soddisfano la condizione

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 20 CognomeFilialeStipendioMatricola NeriMilano RossiRoma NeriNapoli Milano Impiegati Milano impiegati che guadagnano più di 50 SEL Stipendio > 50 (Impiegati) NeriNapoli SEL Stipendio > 50 (Impiegati)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 21 Impiegati CognomeFilialeStipendioMatricola NeriMilano RossiRoma NeriNapoli Milano impiegati che guadagnano più di 50 e lavorano a Milano SEL Stipendio > 50 AND Filiale = 'Milano' (Impiegati) RossiRoma NeriNapoli Milano NeriMilano SEL Stipendio > 50 AND Filiale = 'Milano' (Impiegati)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 22 Impiegati CognomeFilialeStipendioMatricola NeriMilano RossiRoma NeriNapoli Milano impiegati che hanno lo stesso nome della filiale presso cui lavorano SEL Cognome = Filiale (Impiegati) NeriMilano RossiRoma NeriNapoli Milano SEL Cognome = Filiale (Impiegati)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 23 Selezione e proiezione operatori "ortogonali" selezione: decomposizione orizzontale proiezione: decomposizione verticale

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 24 selezione proiezione

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 25 Proiezione operatore monadico produce un risultato che ha parte degli attributi dell'operando contiene ennuple cui contribuiscono tutte le ennuple dell'operando

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 26 Impiegati CognomeFilialeStipendioMatricola NeriMilano NeriNapoli RossiRoma RossiRoma per tutti gli impiegati: matricola e cognome cognome e filiale

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 27 Proiezione, sintassi e semantica sintassi PROJ ListaAttributi (Operando) semantica il risultato contiene le ennuple ottenute da tutte le ennuple dell'operando ristrette agli attributi nella lista

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 28 CognomeFilialeStipendioMatricola NeriMilano NeriNapoli RossiRoma RossiRoma matricola e cognome di tutti gli impiegati PROJ Matricola, Cognome (Impiegati)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 29 CognomeFilialeStipendioMatricola NeriMilano NeriNapoli RossiRoma RossiRoma cognome e filiale di tutti gli impiegati PROJ Cognome, Filiale (Impiegati)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 30 Cardinalità delle proiezioni una proiezione contiene al più tante ennuple quante l'operando può contenerne di meno se X è una superchiave di R, allora PROJ X (R) contiene esattamente tante ennuple quante R

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 31 Selezione e proiezione Combinando selezione e proiezione, possiamo estrarre interessanti informazioni da una relazione

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 32 CognomeFilialeStipendioMatricola NeriMilano RossiRoma NeriNapoli Milano Milano NeriNapoli matricola e cognome degli impiegati che guadagnano più di 50 SEL Stipendio > 50 (Impiegati) PROJ Matricola,Cognome ( )

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 33 Combinando selezione e proiezione, possiamo estrarre informazioni da una relazione non possiamo però correlare informazioni presenti in relazioni diverse

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 34 Join il join è l'operatore più interessante dell'algebra relazionale permette di correlare dati in relazioni diverse

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 35 Prove scritte in un concorso pubblico I compiti sono anonimi e ad ognuno è associata una busta chiusa con il nome del candidato Ciascun compito e la relativa busta vengono contrassegnati con uno stesso numero

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Mario Rossi 2Nicola Russo 3Mario Bianchi 4Remo Neri 25Mario Rossi 13Nicola Russo 27Mario Bianchi 28Remo Neri

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo NumeroVoto 1Mario Rossi 2Nicola Russo 3Mario Bianchi 4Remo Neri NumeroCandidato 25Mario Rossi 13Nicola Russo 27Mario Bianchi 28Remo Neri VotoCandidato Numero

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 38 Join naturale operatore binario (generalizzabile) produce un risultato sull'unione degli attributi degli operandi con ennuple costruite ciascuna a partire da una ennupla di ognuno degli operandi

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 39 Join, sintassi e semantica R 1 (X 1 ), R 2 (X 2 ) R 1 JOIN R 2 è una relazione su X 1 X 2 { t su X 1 X 2 | esistono t 1 R 1 e t 2 R 2 con t[X 1 ] =t 1 e t[X 2 ] =t 2 }

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 40 AMori BBruni RepartoCapo RossiA NeriB BianchiB ImpiegatoReparto RossiAMori NeriBBruni ImpiegatoRepartoCapo BianchiBBruni RossiA NeriB BianchiB RossiA NeriB BianchiB AMori BBruni AMori BBruniB B ogni ennupla contribuisce al risultato: join completo

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 41 NeriBMori ImpiegatoRepartoCapo BianchiBMori ImpiegatoReparto RossiA NeriB BianchiB RepartoCapo BMori CBruni A C Un join non completo

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 42 ImpiegatoReparto RossiA NeriB BianchiB RepartoCapo DMori CBruni ImpiegatoRepartoCapo Un join vuoto

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 43 ImpiegatoRepartoCapo RossiA NeriB ImpiegatoReparto RossiA NeriB RossiB NeriB AMori BBruni RepartoCapo AMori BBruni BMori BBruniB B RossiBMori NeriBMori NeriBBruni RossiBBruni Un join completo, con n x m ennuple

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 44 Cardinalità del join Il join di R 1 e R 2 contiene un numero di ennuple compreso fra zero e il prodotto di |R 1 | e |R 2 | se il join coinvolge una chiave di R 2, allora il numero di ennuple è compreso fra zero e |R 1 | se il join coinvolge una chiave di R 2 e un vincolo di integrità referenziale, allora il numero di ennuple è pari a |R 1 |

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 45 Cardinalità del join, 2 R 1 (A,B), R 2 (B,C) in generale 0 |R 1 JOIN R 2 | |R 1 | |R 2 | se B è chiave in R 2 0 |R 1 JOIN R 2 | |R 1 | se B è chiave in R 2 ed esiste vincolo di integrità referenziale fra B (in R 1 ) e R 2 : |R 1 JOIN R 2 | = |R 1 |

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 46 ImpiegatoReparto RossiA NeriB BianchiB RepartoCapo BMori CBruni NeriBMori ImpiegatoRepartoCapo BianchiBMori A C Join, una difficoltà alcune ennuple non contribuiscono al risultato: vengono "tagliate fuori"

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 47 Join esterno Il join esterno estende, con valori nulli, le ennuple che verrebbero tagliate fuori da un join (interno) esiste in tre versioni: sinistro, destro, completo

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 48 Join esterno sinistro: mantiene tutte le ennuple del primo operando, estendendole con valori nulli, se necessario destro:... del secondo operando... completo: … di entrambi gli operandi...

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 49 ImpiegatoReparto RossiA NeriB BianchiB Impiegati RepartoCapo BMori CBruni Reparti NeriBMori ImpiegatoRepartoCapo BianchiBMori Impiegati JOIN LEFT Reparti C RossiA NULL ARossi

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 50 ImpiegatoReparto RossiA NeriB BianchiB Impiegati RepartoCapo BMori CBruni Reparti NeriBMori ImpiegatoRepartoCapo BianchiBMori Impiegati JOIN RIGHT Reparti A NULL CBruni C

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 51 ImpiegatoReparto RossiA NeriB BianchiB Impiegati RepartoCapo BMori CBruni Reparti NeriBMori ImpiegatoRepartoCapo BianchiBMori Impiegati JOIN FULL Reparti NULL CBruni C ARossi A NULL

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 52 Join e proiezioni ImpiegatoReparto RossiA NeriB BianchiB RepartoCapo BMori CBruni NeriBMori ImpiegatoRepartoCapo BianchiBMori ImpiegatoReparto NeriB BianchiB RepartoCapo BMori

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 53 Proiezioni e join NeriBMori ImpiegatoRepartoCapo BianchiBBruni VerdiABini NeriB ImpiegatoReparto BianchiB VerdiA BMori RepartoCapo BBruni ABini VerdiABini NeriBMori ImpiegatoRepartoCapo NeriBBruni BianchiBMori BianchiBBruni

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 54 Join e proiezioni R 1 (X 1 ), R 2 (X 2 ) PROJ X 1 (R 1 JOIN R 2 ) R 1 R(X), X = X 1 X 2 (PROJ X 1 (R)) JOIN (PROJ X 2 (R)) R

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 55 Prodotto cartesiano un join naturale su relazioni senza attributi in comune contiene sempre un numero di ennuple pari al prodotto delle cardinalità degli operandi (le ennuple sono tutte combinabili )

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 56 RossiA NeriB BianchiB ImpiegatoReparto Impiegati AMori BBruniB B CodiceCapo Reparti Impiegati JOIN Reparti ImpiegatoRepartoCapoCodice RossiAMoriAAA RossiABBruni NeriBMoriA NeriBBBruni BianchiBMoriA BianchiBBBruni

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 57 Il prodotto cartesiano, in pratica, ha senso (quasi) solo se seguito da selezione: SEL Condizione (R 1 JOIN R 2 ) L'operazione viene chiamata theta-join e indicata con R 1 JOIN Condizione R 2

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 58 Perché "theta-join"? La condizione C è spesso una congiunzione (AND) di atomi di confronto A 1 A 2 dove è uno degli operatori di confronto (=, >, <, …)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 59 Equi-join Se l'operatore di confronto nel theta-join è sempre l'uguaglianza (=) allora si parla di equi-join Nota: ci interessa davvero lequi-join, non il theta-join più generale

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 60 RossiA NeriB BianchiB ImpiegatoReparto Impiegati AMori BBruniB B CodiceCapo Reparti Impiegati JOIN Reparto=Codice Reparti ImpiegatoRepartoCapoCodice RossiAMoriAAA RossiABBruni NeriBMoriA NeriBBBruni BianchiBMoriA BianchiBBBruni RossiAMoriAAA NeriBBBruni BianchiBBBruni

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 61 RossiA NeriB BianchiB ImpiegatoReparto Impiegati AMori BBruniB B RepartoCapo Reparti Impiegati JOIN Reparti

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 62 Join naturale ed equi-join ImpiegatoReparto Impiegati RepartoCapo Reparti Impiegati JOIN Reparti PROJ Impiegato,Reparto,Capo ( ) REN Codice Reparto (Reparti)Impiegati JOIN SEL Reparto=Codice ( )

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 63 Esempi Impiegati NomeEtàStipendioMatricola Bianchi Rossi Bruni Neri Mori Lupi Supervisione ImpiegatoCapo

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 64 Trovare matricola, nome, età e stipendio degli impiegati che guadagnano più di 40 milioni SEL Stipendio>40 (Impiegati)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 65 NomeEtàStipendioMatricola Bianchi Rossi Bruni Neri Mori Lupi SEL Stipendio>40 (Impiegati) Bianchi Neri Rossi Bruni Mori Lupi Rossi Bruni Mori Lupi

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 66 Trovare matricola, nome ed età degli impiegati che guadagnano più di 40 milioni PROJ Matricola, Nome, Età ( SEL Stipendio>40 (Impiegati))

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 67 NomeEtàStipendioMatricola Bianchi Rossi Bruni Neri Mori Lupi Bianchi Neri Rossi Bruni Mori Lupi Rossi Bruni Mori Lupi SEL Stipendio>40 (Impiegati) PROJ Matricola, Nome, Età ( )

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 68 Trovare le matricole dei capi degli impiegati che guadagnano più di 40 milioni PROJ Capo (Supervisione JOIN Impiegato=Matricola ( SEL Stipendio>40 (Impiegati)))

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 69 Trovare nome e stipendio dei capi degli impiegati che guadagnano più di 40 milioni PROJ Nome,Stipendio ( Impiegati JOIN Matricola=Capo PROJ Capo (Supervisione JOIN Impiegato=Matricola ( SEL Stipendio>40 (Impiegati))))

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 70 Trovare gli impiegati che guadagnano più del proprio capo, mostrando matricola, nome e stipendio dell'impiegato e del capo PROJ Matr,Nome,Stip,MatrC,NomeC,StipC (SEL Stipendio>StipC ( REN MatrC,NomeC,StipC,EtàC Matr,Nome,Stip,Età (Impiegati) JOIN MatrC=Capo (Supervisione JOIN Impiegato=Matricola Impiegati)))

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 71 Trovare le matricole dei capi i cui impiegati guadagnano tutti più di 40 milioni PROJ Capo (Supervisione) - PROJ Capo (Supervisione JOIN Impiegato=Matricola ( SEL Stipendio 40 (Impiegati)))

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 72 Equivalenza di espressioni Due espressioni sono equivalenti se producono lo stesso risultato qualunque sia l'istanza attuale della base di dati L'equivalenza è importante in pratica perché i DBMS cercano di eseguire espressioni equivalenti a quelle date, ma meno "costose"

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 73 Un'equivalenza importante Push selections (se A è attributo di R 1 ) SEL A=10 (R 1 JOIN R 2 ) = R 1 JOIN SEL A=10 ( R 2 ) Riduce in modo significativo la dimensione del risultato intermedio (e quindi il costo dell'operazione)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 74 Nota In questo corso, ci preoccupiamo poco dellefficienza: lobiettivo è di scrivere interrogazioni corrette e leggibili Motivazione: I DBMS si preoccupano di scegliere le strategie realizzative efficienti

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 75 Selezione con valori nulli CognomeFilialeEtàMatricola NeriMilano RossiRoma BruniMilano NULL 9553 Impiegati SEL Età > 40 (Impiegati) la condizione atomica è vera solo per valori non nulli

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 76 Un risultato non desiderabile SEL Età>30 (Persone) SEL Età 30 (Persone) Persone Perché? Perché le selezioni vengono valutate separatamente! Ma anche SEL Età>30 Età 30 (Persone) Persone Perché? Perché anche le condizioni atomiche vengono valutate separatamente!

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 77 Selezione con valori nulli: soluzione SEL Età > 40 (Impiegati) la condizione atomica è vera solo per valori non nulli per riferirsi ai valori nulli esistono forme apposite di condizioni: IS NULL IS NOT NULL si potrebbe usare (ma non serve) una "logica a tre valori" (vero, falso, sconosciuto)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 78 Quindi: SEL Età>30 (Persone) SEL Età 30 (Persone) SEL Età IS NULL (Persone) = SEL Età>30 Età 30 Età IS NULL (Persone) = Persone

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 79 CognomeFilialeEtàMatricola NeriMilano RossiRoma BruniMilano NULL 9553 Impiegati NeriMilano BruniMilano NULL 9553 SEL (Età > 40) OR (Età IS NULL) (Impiegati) NeriMilano BruniMilano NULL 9553

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 80 Viste (relazioni derivate) Rappresentazioni diverse per gli stessi dati (schema esterno)schema esterno Relazioni derivate: relazioni il cui contenuto è funzione del contenuto di altre relazioni (definito per mezzo di interrogazioni) Relazioni di base: contenuto autonomo Le relazioni derivate possono essere definite su altre derivate, ma …

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 81 Architettura standard (ANSI/SPARC) a tre livelli per DBMS BD Schema logico Schema esterno Schema interno Schema esterno Schema esterno utente

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 82 Viste, esempio una vista: Supervisione = PROJ Impiegato, Capo (Afferenza JOIN Direzione) AMori BBruni RepartoCapoRossiA NeriB BianchiB ImpiegatoReparto BianchiBBBruni AfferenzaDirezione

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 83 Viste virtuali e materializzate Due tipi di relazioni derivate: viste materializzate relazioni virtuali (o viste)relazioni virtuali

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 84 Viste materializzate relazioni derivate memorizzate nella base di dati vantaggi: immediatamente disponibili per le interrogazioni svantaggi: ridondanti appesantiscono gli aggiornamenti sono raramente supportate dai DBMS

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 85 Viste virtuali relazioni virtuali (o viste): sono supportate dai DBMS (tutti) una interrogazione su una vista viene eseguita "ricalcolando" la vista (o quasi)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 86 Interrogazioni sulle viste Sono eseguite sostituendo alla vista la sua definizione: SEL Capo='Leoni' (Supervisione) viene eseguita come SEL Capo='Leoni' ( PROJ Impiegato, Capo (Afferenza JOIN Direzione))

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 87 Viste, motivazioni Schema esterno: ogni utente vede solo ciò che gli interessa e nel modo in cui gli interessa, senza essere distratto dal resto ciò che e' autorizzato a vedere (autorizzazioni) Strumento di programmazione:Strumento di programmazione si può semplificare la scrittura di interrogazioni: espressioni complesse e sottoespressioni ripetute Utilizzo di programmi esistenti su schemi ristrutturati Invece: L'utilizzo di viste non influisce sull'efficienza delle interrogazioni

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 88 Viste come strumento di programmazione Trovare gli impiegati che hanno lo stesso capo di Rossi Senza vista: PROJ Impiegato (Afferenza JOIN Direzione) JOIN REN ImpR,RepR Imp,Reparto ( SEL Impiegato='Rossi' (Afferenza JOIN Direzione)) Con la vista: PROJ Impiegato (Supervisione) JOIN REN ImpR,RepR Imp,Reparto ( SEL Impiegato='Rossi' (Supervisione))

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 89 Viste e aggiornamenti, attenzione Vogliamo inserire, nella vista, il fatto che Lupi ha come capo Bruni; oppure che Belli ha come capo Falchi; come facciamo? AfferenzaDirezione AMori BBruni RepartoCapo RossiA NeriB ImpiegatoReparto NeriB B BBruniB B B VerdiA BBruniB B B C Rossi Neri Impiegato Rossi Neri Rossi Neri Verdi Supervisione Mori Bruni Capo Mori Bruni Mori Bruni Mori

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 90 Viste e aggiornamenti "Aggiornare una vista": modificare le relazioni di base in modo che la vista, "ricalcolata" rispecchi l'aggiornamento L'aggiornamento sulle relazioni di base corrispondente a quello specificato sulla vista deve essere univoco In generale però non è univoco! Ben pochi aggionamenti sono ammissibili sulle viste

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 91 Una convenzione e notazione alternativa per i join Nota: è sostanzialmente l'approccio usato in SQL Ignoriamo il join naturale (cioè non consideriamo implicitamente condizioni su attributi con nomi uguali) Per "riconoscere" attributi con lo stesso nome gli premettiamo il nome della relazione Usiamo "assegnazioni" (viste) per ridenominare le relazioni (e gli attributi solo quando serve per l'unione)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 92 Trovare gli impiegati che guadagnano più del proprio capo, mostrando matricola, nome e stipendio dell'impiegato e del capo PROJ Matr,Nome,Stip,MatrC,NomeC,StipC (SEL Stipendio>StipC ( REN MatrC,NomeC,StipC,EtàC Matr,Nome,Stip,Età (Impiegati) JOIN MatrC=Capo (Supervisione JOIN Impiegato=Matricola Impiegati)))

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 93 PROJ Matr,Nome,Stip,MatrC,NomeC,StipC (SEL Stip>StipC ( REN MatrC,NomeC,StipC,EtàC Matr,Nome,Stip,Età (Imp) JOIN MatrC=Capo (Sup JOIN Imp=Matr Imp))) PROJ Imp.Matr, Imp.Nome, Imp.Stip,Capi.Matr,Capi.Nome, Capi.Stip (SEL Imp.Stip>Capi.Stip ( Capi JOIN Capi.Matr=Capo (Sup JOIN Imp=Imp.Matr Imp))) Capi := Imp

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 94 Calcolo relazionale Una famiglia di linguaggi dichiarativi, basati sul calcolo dei predicati del primo ordine Diverse versioni: calcolo relazionale su domini calcolo su ennuple con dichiarazioni di range

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 95 Calcolo su domini, sintassi e semantica Le espressioni hanno la forma: { A 1 : x 1, …, A k : x k | f } f e' una formula (con connettivi booleani e quantificatori) A 1 : x 1, …, A k : x k "target list": A 1, …, A k attributi distinti (anche non nella base di dati) x 1, …, x k variabili distinte Semantica: il risultato e' una relazione su A 1, …, A k che contiene ennuple di valori per x 1, …, x k che rendono vera la formula f

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 96 Commenti Differenze rispetto al calcolo dei predicati (per chi lo conosce): simboli di predicato relazioni nella base di dati predicati "standard" predefiniti (=, >,...) non ci sono "simboli di funzione" interessano (quasi) solo "formule aperte" utilizziamo notazione non posizionale

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 97 Base di dati per gli esempi Impiegati(Matricola,Nome, Età, Stipendio) Supervisione(Capo, Impiegato)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 98 Esempio 0a Trovare matricola, nome, età e stipendio degli impiegati che guadagnano più di 40 milioni SEL Stipendio>40 (Impiegati) { Matricola: m, Nome: n, Età: e, Stipendio: s | Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s) s > 40 }

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3 99 Esempio 0b Trovare matricola, nome ed età di tutti gli impiegati PROJ Matricola, Nome, Età (Impiegati) { Matricola: m, Nome: n, Età: e | s (Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s)} { Matricola: m, Nome: n, Età: e | Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s)}

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 1 Trovare matricola, nome ed età degli impiegati che guadagnano più di 40 milioni PROJ Matricola, Nome, Età (SEL Stipendio>40 (Impiegati)) { Matricola: m, Nome: n, Età: e | Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s) s > 40 }

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 2 Trovare le matricole dei capi degli impiegati che guadagnano più di 40 milioni PROJ Capo (Supervisione JOIN Impiegato=Matricola (SEL Stipendio>40 (Impiegati))) { Capo: c | Supervisione(Capo:c,Impiegato:m) Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s) s > 40 }

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 3 Trovare nome e stipendio dei capi degli impiegati che guadagnano più di 40 milioni PROJ NomeC,StipC (REN MatrC,NomeC,StipC,EtàC Matr,Nome,Stip,Età (Impiegati) JOIN MatrC=Capo (Supervisione JOIN Impiegato=Matricola (SEL Stipendio>40 (Impiegati)))) { NomeC: nc, StipC: sc | Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s) s > 40 Supervisione(Capo:c,Impiegato:m) Impiegati(Matricola:c, Nome:nc, Età:ec, Stipendio: sc) }

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 4 Trovare gli impiegati che guadagnano più del rispettivo capo, mostrando matricola, nome e stipendio di ciascuno di essi e del capo PROJ Matr,Nome,Stip,MatrC,NomeC,StipC (SEL Stipendio>StipC (REN MatrC,NomeC,StipC,EtàC Matr,Nome,Stip,Età (Impiegati) JOIN MatrC=Capo (Supervisione JOIN Impiegato=Matricola ( (Impiegati)))) { Matr: m, Nome: n, Stip: s, MatrC: c, NomeC: nc, StipC: sc | Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s) Supervisione(Capo:c,Impiegato:m) Impiegati(Matricola: c, Nome: nc, Età: ec, Stipendio: sc) s > sc}

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 5 Trovare matricola e nome dei capi i cui impiegati guadagnano tutti più di 40 milioni. PROJ Matricola,Nome (Impiegati JOIN Matricola=Capo (PROJ Capo (Supervisione) - PROJ Capo (Supervisione JOIN Impiegato=Matricola ( SEL Stipendio 40 (Impiegati)))) {Matricola: c, Nome: n | Impiegati(Matricola: c, Nome: n, Età: e, Stipendio: s) Supervisione(Capo:c, Impiegato:m) ¬ m'( n'( e'( s'(Impiegati(Matr: m', Nome: n', Età: e', Stip: s') Supervisione(Capo:c, Impiegato:m') s' 40))))}

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Quantificatori esistenziali o universali? Sono intercambiabili, per le leggi di De Morgan: {Matricola: c, Nome: n | Impiegati(Matricola: c, Nome: n, Età: e, Stipendio: s) Supervisione(Capo:c, Impiegato:m) ¬ m'( n'( e'( s'(Impiegati(Matr: m', Nome: n', Età: e', Stip: s') Supervisione(Capo:c, Impiegato:m') s' 40))))} {Matricola: c, Nome: n | Impiegati(Matricola: c, Nome: n, Età: e, Stipendio: s) Supervisione(Capo:c, Impiegato:m) m'( n'( e'( s'(¬(Impiegati(Matr:m', Nome:n', Età:e', Stip:s') Supervisione(Capo:c, Impiegato:m')) s' > 40))))}

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Calcolo su domini, discussione Pregi: dichiaratività Difetti: "verbosità": tante variabili! espressioni senza senso: { A: x | ¬ R(A: x) } { A: x, B: y | R(A: x) } { A: x, B: y | R(A: x) y=y } queste espressioni sono "dipendenti dal dominio" e vorremmo evitarle; nell'algebra espressioni come queste non sono formulabili: l'algebra è indipendente dal dominio

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Calcolo e algebra Calcolo e algebra sono "equivalenti" per ogni espressione del calcolo relazionale che sia indipendente dal dominio esiste un'espressione dell'algebra relazionale equivalente a essa per ogni espressione dell'algebra relazionale esiste un'espressione del calcolo relazionale equivalente a essa (e di conseguenza indipendente dal dominio)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Calcolo su ennuple con dichiarazioni di range Per superare le limitazioni del calcolo su domini: dobbiamo "ridurre" le variabili; un buon modo: una variabile per ciascuna ennupla far si' che i valori provengano dalla base di dati Il calcolo su ennuple con dichiarazioni di range risponde ad entrambe le esigenze

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Calcolo su ennuple con dichiarazioni di range, sintassi Le espressioni hanno la forma: { TargetList | RangeList | Formula } RangeList elenca le variabili libere della Formula ognuna con il relativo campo di variabilità (una relazione) TargetList ha elementi del tipo Y: x.Z (oppure x.Z o anche x.*) Formula ha: atomi di confronto x.A c, x.A y.B connettivi quantificatori che associano un range alle variabili x(R)(...) x(R)(...)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 0a Trovare matricola, nome, età e stipendio degli impiegati che guadagnano più di 40 milioni SEL Stipendio>40 (Impiegati) { Matricola: m, Nome: n, Età: e, Stipendio: s | Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s) s > 40 } { i.* | i(Impiegati) | i.Stipendio > 40 }

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 0b Trovare matricola, nome ed età di tutti gli impiegati PROJ Matricola, Nome, Età (Impiegati) { Matricola: m, Nome: n, Età: e | Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s)} { i.(Matricola,Nome,Età) | i(Impiegati) | }

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 1 Trovare matricola, nome ed età degli impiegati che guadagnano più di 40 milioni PROJ Matricola, Nome, Età (SEL Stipendio>40 (Impiegati)) { Matricola: m, Nome: n, Età: e | Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s) s > 40 } { i.(Matricola,Nome,Età) | i(Impiegati) | i.Stipendio > 40 }

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 2 Trovare le matricole dei capi degli impiegati che guadagnano più di 40 milioni { Capo: c | Supervisione(Capo:c,Impiegato:m) Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s) s > 40 } { s.Capo | i(Impiegati), s(Supervisione) | i.Matricola=s.Impiegato i.Stipendio > 40 }

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 3 Trovare nome e stipendio dei capi degli impiegati che guadagnano più di 40 milioni { NomeC: nc, StipC: sc | Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s) s > 40 Supervisione(Capo:c,Impiegato:m) Impiegati(Matricola:c, Nome:nc, Età:ec, Stipendio:sc) } { NomeC,StipC: i'.(Nome,Stip) | i'(Impiegati), s(Supervisione), i(Impiegati) | i'.Matricola=s.Capo i.Matricola=s.Impiegato i.Stipendio > 40 }

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 4 Trovare gli impiegati che guadagnano più del rispettivo capo, mostrando matricola, nome e stipendio di ciascuno di essi e del capo { Matr: m, Nome: n, Stip: s, NomeC: nc, StipC: sc | Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s) Supervisione(Capo:c,Impiegato:m) Impiegati(Matricola: c, Nome: nc, Età: ec, Stipendio: sc) s > sc} { i.(Nome,Matr,Stip), NomeC,MatrC,StipC: i'.(Nome,Matr,Stip) | i'(Impiegati), s(Supervisione), i(Impiegati) | i'.Matricola=s.Capo i.Matricola=s.Impiegato i.Stipendio > i'.Stipendio }

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 5 Trovare matricola e nome dei capi i cui impiegati guadagnano tutti più di 40 milioni. {Matricola: c, Nome: n | Impiegati(Matricola: c, Nome: n, Età: e, Stipendio: s) Supervisione(Capo:c, Impiegato:m) ¬ m'( n'( e'( s'(Impiegati(Matr: m', Nome: n', Età: e', Stip: s') Supervisione(Capo:c, Impiegato:m') s' 40} { i.(Matricola, Nome) | s(Supervisione), i(Impiegati) | i.Matricola=s.Capo ¬( i'(Impiegati)( s'(Supervisione) (s.Capo=s'.Capo s'.Impiegato=i'.Matricola i'.Stipendio 40)))}

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Attenzione! Il calcolo su ennuple con dichiarazioni di range non permette di esprimere alcune interrogazioni importanti, in particolare le unioni: R 1 (AB) R 2 (AB) Quale potrebbe essere il range per una variabile? Oppure due variabili? Nota: intersezione e differenza sono esprimibili Per questa ragione SQL (che è basato su questo calcolo) prevede un operatore esplicito di unione, ma non tutte le versioni prevedono intersezione e differenza

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Calcolo e algebra relazionale: limiti Calcolo e algebra sono sostanzialmente equivalenti: l'insieme di interrogazioni con essi esprimibili è quindi significativo; il concetto è robusto Ci sono però interrogazioni interessanti non esprimibili: calcolo di valori derivati: possiamo solo estrarre valori, non calcolarne di nuovi; calcoli di interesse: a livello di ennupla o di singolo valore (conversioni somme, differenze, etc.) su insiemi di ennuple (somme, medie, etc.) le estensioni sono ragionevoli, le vedremo in SQL interrogazioni inerentemente ricorsive, come la chiusura transitiva

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Chiusura transitiva Supervisione(Impiegato, Capo) Per ogni impiegato, trovare tutti i superiori (cioè il capo, il capo del capo, e cosi' via) Rossi Neri Impiegato Rossi Neri Rossi Neri Lupi Mori Bruni Capo Mori Bruni Lupi Bruni Falchi Rossi Neri Impiegato Rossi Neri Rossi Neri Lupi Mori Bruni Superiore Mori Bruni Lupi Bruni Falchi Rossi Falchi Lupi

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Chiusura transitiva, come si fa? Nell'esempio, basterebbe il join della relazione con se stessa, previa opportuna ridenominazione Ma: Rossi Neri Impiegato Rossi Neri Rossi Neri Lupi Mori Bruni Superiore Mori Bruni Lupi Bruni Falchi Rossi Falchi Rossi Neri Impiegato Rossi Neri Rossi Neri Lupi Mori Bruni Capo Mori Bruni Lupi Bruni Lupi Leoni Falchi Lupi Leoni Rossi Leoni Falchi

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Chiusura transitiva, impossibile! Non esiste in algebra e calcolo relazionale la possibilità di esprimere l'interrogazione che, per ogni relazione binaria, ne calcoli la chiusura transitiva Per ciascuna relazione, è possibile calcolare la chiusura transitiva, ma con un'espressione ogni volta diversa: quanti join servono? non c'è limite!

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Datalog Un linguaggio di programmazione logica per basi di dati derivato dal Prolog Utilizza predicati di due tipi: estensionali: relazioni della base di dati intensionali: corrispondono alle viste Il linguaggio è basato su regole utilizzate per "definire" i predicati estensionali

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Datalog, sintassi Regole: testa corpo testa è un predicato atomico (intensionale) corpo è una lista (congiunzione) di predicati atomici Le interrogazioni sono specificate per mezzo di predicati atomici (convenzionalmente preceduti da "?")

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio -1 Trovare matricola, nome, età e stipendio degli impiegati che hanno 30 anni { Matricola: m, Nome: n, Età: e, Stipendio: s | Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s) s = 30 } ? Impiegati(Matricola: m, Nome: n, Età: 30, Stipendio: s)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 0a Trovare matricola, nome, età e stipendio degli impiegati che guadagnano più di 40 milioni { Matricola: m, Nome: n, Età: e, Stipendio: s | Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s) s > 40 } Serve un predicato intensionale ImpRicchi(Matricola: m, Nome: n, Età: e, Stipendio: s) Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s), s >40 ? ImpRicchi(Matricola: m, Nome: n, Età: e, Stipendio: s)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 0b Trovare matricola, nome ed età di tutti gli impiegati PROJ Matricola, Nome, Età (Impiegati) { Matricola: m, Nome: n, Età: e | Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s)} InfoPubbliche(Matricola: m, Nome: n, Età: e) Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s), s >40 ? InfoPubbliche(Matricola: m, Nome: n, Età: e)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 2 Trovare le matricole dei capi degli impiegati che guadagnano più di 40 milioni { Capo: c | Supervisione(Capo:c,Impiegato:m) Impiegati(Matricola: m, Nome: n, Età: e, Stipendio: s) s > 40 } CapiDeiRicchi (Capo:c) ImpRicchi(Matricola: m, Nome: n, Età: e, Stipendio: s), Supervisione (Capo:c,Impiegato:m) ? CapiDeiRicchi (Capo:c)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 5 Trovare matricola e nome dei capi i cui impiegati guadagnano tutti più di 40 milioni. serve la negazione CapiDiNonRicchi (Capo:c) Supervisione (Capo:c,Impiegato:m), Impiegati (Matricola: m, Nome: n, Età: e, Stipendio: s), s 40 CapiSoloDiRicchi (Matricola: c, Nome: n) Impiegati (Matricola: c, Nome: n, Età: e, Stipendio: s), Supervisione (Capo:c,Impiegato:m), not CapiDiNonRicchi (Capo:c) ? CapiSoloDiRicchi (Matricola: c, Nome: n)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Esempio 6 Per ogni impiegato, trovare tutti i superiori. Serve la ricorsione Superiore (Impiegato: i, SuperCapo: c) Supervisione (Impiegato: i, Capo: c) Superiore (Impiegato: i, SuperCapo: c) Supervisione (Impiegato: i, Capo: c'), Superiore (Impiegato: c', SuperCapo: c)

10/10/2002Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo Datalog, semantica La definizione della semantica delle regole ricorsive è delicata (in particolare con la negazione) Potere espressivo: Datalog non ricorsivo senza negazione è equivalente al calcolo senza negazione e senza quantificatore universale Datalog non ricorsivo con negazione è equivalente al calcolo e all'algebra Datalog ricorsivo senza negazione e calcolo sono incomparabili Datalog ricorsivo con negazione è più espressivo di calcolo e algebra